基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法.针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征.通过对声纳图像的分类实验,结果证实该方法行之有效.     

利用小波分解和分形维数进行声纳图像识别

以分形维数和多重分形的概念为基础，通过计算原图像和灰度差分图像的分形维数和多重分形维数，形成了纹理特征集的第一部分；然后对声纳图像采用树式结构小波变换，将小波变换各个频带输出的熵作为纹理分类的特征，并根据特征本身的离散程度对其进行规范化处理，构成了纹理特征集的第二部分；最后将这两部分组合，对不同信噪比的声纳图像进行分类识别．识别结果表明，文中方法的识别率可达到90％以上．     

基于小波变换的带钢表面缺陷分形特征研究

图像的分形维数能够表述图像空间纹理不同灰度级间的相关特性,是描述自然纹理图像的一个有用工具.本文在小波分解的基础上,运用双毯法计算了带钢表面缺陷的分形维数,并对计算结果进行了分析对比,研究了小波变换后各级、各分量的分形维数差异.实验结果表明所提取的分维特征对于缺陷分类有较好作用.     

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。     

基于布朗模型和小波变换的图像分形维数计算

函像分形维数是反映图像纹理特征的重要因素，也是图像分割的主要依据；通常，图像的分形维数多数采用盒维数计算方法来得到．但是避免不了计算时阚值选择带来不精确的问题，本文结合小波变换和布朗模型，提出了一种新的计算方法，并且和盒维数方法计算结果进行比较，结果表明，通过本文的计算方法得到的图像分形维数较准确。     

一种基于数学形态学的分形维数估计方法

对于分形维数的估计是基于分形理论的纹理图像分割算法中最重要的环节。由于使用固定划分的规则网格，常用的基于盒计数的分形维数估计算法及其各种改进方法的误差较大；而传统的形态学维数估计算法虽然在准确性上有一定提高．但其时间复杂度偏高。为此提出了一种基于可变结构元的数学形态学分形维数估计方法(VSEM)。该方法将灰度图像视为一个三维空间中的曲面，使用一组不同尺度的结构元分别度量该曲面．根据度量结果与尺度之间满足的指数率来估计图像表面的分形维数。通过恰当的选择结构元和使用递推技术得到不同尺度下的膨胀结果，新方法成功地弥补了现有算法的不足。本文使用了一组合成纹理和一组自然纹理来评估几种常见的分形维数估计算法。结果显示，本文提出的新方法能够在较小的时间复杂度下，得到更为精确的估计结果。最后，将该方法应用于遥感图像的分割。与其他常用的分形分割算法相比，使用该方法估计的分形维数和图像的临域均值作为特征能够得到更好的分割结果。在对比分析和分割实验中表现出的良好性能说明本文提出的分形维数估计算法可以有效地应用于纹理图像分割。     

基于布朗模型和小波变换的图像分形维数计算

图像分形维数是反映图像纹理特征的重要因素,也是图像分割的主要依据;通常,图像的分形维数多数采用盒维数计算方法来得到,但是避免不了计算时阈值选择带来不精确的问题,本文结合小波变换和布朗模型,提出了一种新的计算方法,并且和盒维数方法计算结果进行比较,结果表明,通过本文的计算方法得到的图像分形维数较准确。     

彩色图像分形维数的计算方法

分形维数是描述图像复杂性的一种重要测度,广泛应用于图像特征提取及图像分类、分割和检索等方面。多种黑白图像和灰度图像的分形维数计算方法已被提出,但其中很少有适用于彩色图像的分形维数计算方法。把计算灰度图像分形维数的差分盒维法扩展到欧氏五维空间,提出了一种简单且易实现的计算彩色图像分形维数的方法。实验结果表明,提出的方法能够捕捉到彩色图像纹理的复杂性,在识别彩色图像粗糙度变化和计算精度方面优于其它算法。     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

基于纹理特征的卫星云图台风自动识别方法

利用图像的分形维数和灰度梯度共生矩阵提取了卫星云图中台风密蔽云区等目标的纹理特征,将图像分形维数和灰度梯度共生矩阵的三个二次统计特征结合起来,对卫星云图进行识别分类.     

基于图形理解的尺寸环提取算法及其实现

文中提出了基于图形理解的尺寸链提取算法,通过对尺寸的识别与理解,建立了尺寸与尺寸、尺寸与图形实体和图形实体与图形实体的关系,提出了尺寸链和尺寸环的求解模型,给出了尺寸链、尺寸环和基于尺寸链和尺寸环尺寸驱动求解算法,从而实现了基于尺寸驱动的图形参数化。     

尺寸关联约束的识别及求解方法的研究

针对尺寸之间的关联约束，本文首先分析了尺寸链约束的特点，提出了基于尺寸链的尺寸环模型．通过对尺寸和被约束图形对象的识别与理解，研究了尺寸链、尺寸环建立和尺寸环中的尺寸到被约束元素之间的约束关系的映射算法，实现了尺寸关联约束的识别和求解．     

基于逐维策略的布谷鸟搜索增强算法

布谷鸟搜索算法迭代运用Lévy Flights随机走动和Biased随机走动发现新个体的各维信息。当个体所有维信息生成后,算法将这些信息合成为个体并评价。在这种情况下,由于个体各维之间存在相互干扰,一些部分维进化的个体可能被放弃,从而影响算法的收敛速度以及求精能力。提出的布谷鸟搜索增强算法采用逐维评价策略接收一些部分进化的个体,可进一步增强算法的收敛速度和求精能力。在算法中,逐维评价策略作为局部搜索技术镶嵌在两个随机走动部件之后,并随机选择一些个体进行逐维更新后进行评价。实验结果说明逐维评价策略总体上能够有效且较好地改善算法的求解性能和收敛速度。     

基于空间基坐标的尺寸可标注性判别研究

尺寸信息的检验一直是ＣＡＤ／ＣＡＭ中有待解决的问题,该文引入了空间基坐标的概念,基于空间基坐标具有与视图数无关的特性,提出了将多视图各投影点统一转换到空间基坐标,通过对图素端点几何特征理解,建立了空间基坐标面间尺寸标注性统一的运算法则,从几何层讨论了尺寸的标注性。尺寸与空间基坐标面进行映射,而与视图数无关,这样克服了尺寸三维约束与二维图形在维上的不一致性。     

基于分数维的图像检索新方法

在研究两种分数维——微分计盒维数和多分形维数的基础上提出了分数维直方图的概念，并把它用于基于内容的图像检索，提出了一种新的纹理特征检索算法——二维分数维直方图相交法．对Brodatz标准纹理库和真实图像库检索的结果表明其方法具有良好的性能，与QBIC系统的纹理检索结果相比更符合人的视觉特性．     

基于范畴的数据降维方法

范畴理论主要是一些特定数学的对象和映射的概括和抽象,在此利用范畴理论阐述图像分析和识别中的数据降维问题,定义高维数据降维范畴的过程,并以主成分分析范畴和等距映射范畴分别验证了范畴理论应用到图像数据降维问题中的正确性。     

Facial Expression Recognition of Various Internal States via Manifold Learning

Emotions are becoming increasingly important in human-centered interaction architectures.Recognition of facial expressions,which are central to human-computer interactions,seems natural and desirable.However,facial expressions include mixed emotions,continuous rather than discrete,which vary from moment to moment.This paper represents a novel method of recognizing facial expressions of various internal states via manifold learning,to achieve the aim of humancentered interaction studies.A critical review ...     

基于分形维数的阈值选取方法

普通的阈值选取方法只注重图像的灰度信息,而很少考虑图像的空间信息。分形维数能很好地反映一幅图像的空间信息,在图像的处理与分析中得到了很好的应用。提出了一种基于分形维数的图像阈值选取方法,实验证明对于灰度图像的阈值选取具有很好的实用效果。     

基于信息维数的复杂网络自相似性研究

描述了基于重构性的复杂网络自相似模型。在分形思想的基础上提出了复杂网络的自相似性研究,指出了分形思想中容量维数的不足,提出利用信息维数研究复杂网络的自相似性,这种方法更能客观反映网络的自相似性。给出了复杂网络自相似性测量方法和基于信息维数的仿真结果,数值仿真验证了理论分析的正确性。最后提出了进一步研究的方向。     

网络维数:一种度量复杂网络的新方法

如何对复杂网络进行刻画与度量,一直是人们关注的热点。在研究自相似复杂网络分形维数的基础上,提出了一种度量复杂网络的新方法——网络维数,即复杂网络边权重和的对数值与节点权重和的对数值的比值,可以将边权重及点权重推广到实数域和复数域;同时给出了不同类型权重对应的网络维数的计算方法;最后以几个代表性的经典复杂网络模型为例,讨论了所提出的网络维数的若干性质。